matlab使用svm多分类

SVM（支持向量机）是一种常用于分类和回归分析的机器学习算法。在MATLAB中，可以使用SVM工具箱来实现SVM多分类。以下是一个基本的SVM多分类示例：

1. 加载数据集

首先，需要准备一个数据集。可以使用MATLAB提供的一些内置数据集，也可以使用自己的数据集。以下是使用内置数据集的示例：

load fisheriris
X = meas(:,1:2);
Y = species;

2. 训练SVM分类器

接下来，需要使用fitcecoc函数来训练SVM分类器。fitcecoc函数是一种基于错误校正输出编码（ECOC）的多分类方法，它将多个二元SVM分类器组合成一个多分类器。以下是训练SVM分类器的示例：

SVMModel = fitcecoc(X,Y);

3. 预测类别

训练好SVM分类器后，可以使用predict函数来预测新的数据点的类别。以下是预测类别的示例：

newX = [5 1.45; 6.5 4.5; 3.3 1];
[label,score] = predict(SVMModel,newX);

4. 可视化结果

最后，可以使用scatter函数将数据点和预测结果可视化。以下是可视化结果的示例：

gscatter(X(:,1),X(:,2),Y);
hold on
scatter(newX(:,1),newX(:,2),100,label,'filled');
hold off

这将显示原始数据点和预测结果的散点图。

以上是一个基本的SVM多分类示例。在实际应用中，可能需要进行更多的数据预处理、参数调整和模型评估。